RöKo 2022 – Radiologie braucht die KI: sie kommt langsam, aber sicher

RöKo 2022 – Radiologie braucht die KI: sie kommt langsam, aber sicher

KI etabliert sich derzeit für ausgewählte Anwendungsszenarien, insbesondere bei der Erkennung bestimmter pathologischer Befunde. Für umfassende Diagnostik ist KI aber noch nicht geeignet.

  • Präsentationstag:
    26.05.2022 0 Kommentare
  • Autor:
    kf/ktg
  • Sprecher:
    Matthias May, Universitätsklinikum Erlangen und Daniel Pintos dos Santos, Universitätsklinikum Frankfurt am Main + Uniklinik Köln
  • Quelle:
    RöKo 2022

„Sind wir derzeit auf der Bremse oder auf dem Gas, was KI betrifft?“ Diese Frage diskutierten Matthias May, Universitätsklinikum Erlangen, und Daniel Pinto dos Santos, Uniklinik Köln, bei einem von Bayer Vital ausgerichteten Symposium auf dem RöKo 22. Ihre Antwort: Irgendwo dazwischen.

Radiologie braucht KI

Klar sehen beide, dass die Menge der zu befundenden Scans zunimmt. Allein im Universitätsklinikum Erlangen ist die Zahl der CTs seit 2013 jedes Jahr um circa 10 Prozent gestiegen. Dass zwei RadiologInnen per Vier-Augen-Prinzip die Bilder befunden, wird auf Dauer nicht mehr funktionieren, so May. Hier braucht die Radiologie Unterstützung durch Systeme, die die Qualität der Befundung sichern und die Leistung pro Zeit verbessern.

Grundsätzlich entwickelt sich die KI in zwei Richtungen:

  • Diagnostik, d.h. der Algorithmus stellt eine Diagnose oder schließt sie aus, oder
  • Visualisierungsunterstützung, d.h. der Algorithmus wandelt das Bild so um, dass es leichter befundbar wird.

Beispiele klinisch eingesetzter KI

Die Uniklinik Erlangen setzt bereits einen Blutungs-Detektions-Algorithmus ein. Er zeigt hohe Sensitivität und Spezifität, unabhängig von der Lagerung der PatientInnen. Dies sei zwar hilfreich, bleibe aber nur eine einzelne Diagnose innerhalb eines Datensatzes. „Den Rest muss ich immer noch auswerten“, so May. Jenseits der Diagnostik liege der eigentliche Bedarf in der organbasierten Segmentierung, ergänzte Pinto dos Santos.

Für den Thorax seien viele Hersteller schon breit aufgestellt, beispielsweise bei der Detektion von Lungenknötchen, der Emphysemquantifizierung, Koronarverkalkungen oder Wirbelsäulen-Höhenminderungen. Dadurch ändert sich der Workflow – RadiologInnen wissen durch die Vorauswahl, wo es sich lohnt hinzuschauen.

Hürden

„Bremser der KI sind wir nicht“, so May, aber er gibt noch eine Reihe von Hindernissen, zum Beispiel zu spezifische Algorithmen. Bisher beziehe auch noch kein KI-Algorithmus klinische Daten mit ein.

Zusätzlich nannte Pinto dos Santos legale Probleme, vor allem bei Haftung (derzeit stehen die RadiologInnen in der Haftung) und Datenschutz. Ein Hauptproblem sei die mangelnde Qualitätssicherung.

Um die Qualitätssicherung in der KI zu stärken, nannte Pinto dos Santos die Auswertung von Post-Marketing-Daten von KI-Algorithmen und vor allem Ringversuche als eine Variante – ähnlich denen in der Labormedizin. Für die kathetergestützte Aortenklappenimplantation (TAVI) sei dies gut vorstellbar. Im Moment messen die Kardiologen die Geometrie von Aortenwurzel und Aortenklappe präoperativ oft sicherheitshalber nach. „Ziel wäre, dass die nicht nachmessen müssen“, so Pinto dos Santos, sondern die radiologischen Ergebnisse nicht mehr hinterfragen – ähnlich wie bei Laborwerten. „Einen CRP-Befund hinterfrage ich ja auch nicht“, sagte May.

Angesichts einer steigenden Anzahl von Herz-CTs, sofern der G-BA deren Vergütung durch die gesetzlichen Krankenkassen zustimmt, wird der Arbeitsaufwand für die Radiologie in Zukunft weiter steigen. Hier könnte die KI perspektivisch die RadiologInnen deutlich entlasten.

Sie müssen sich einloggen, um Kommentare zu verfassen.

Ihr direkter Draht zu uns